使用Python和AssemblyAI API建立語音轉文字程式（附源碼）

目錄

• 介紹和價格
• 取得API金鑰
• 使用Python建立Speech to Text應用程式
• 透過URL上傳音訊檔案
• 透過本機檔案上傳音訊檔案
• 總結

介紹和價格 👀

嗨大家好！在這篇教學中，我們將學習如何使用Assembly AI的語音轉文字API建立一個Python應用程式，正確地將音訊檔案轉錄成文字。Assembly AI是一家位於舊金山的深度學習公司，目前他們提供兩項不同的服務：語音轉文字轉錄以及音訊智能功能。最近，他們找到我，希望我能製作一個視頻來展示語音轉錄服務。在使用這個語音轉文字API一段時間後，我發現這個API非常容易使用，並且相比於Google Cloud、Microsoft Azure或Amazon AWS所提供的文字轉語音API，準確度更高。

如果您想獲取關於Assembly AI產品本身的更多資訊，您可以訪問他們的官網 assemblyai.com。

在這個教學影片中，我們將分成三個部分來介紹：

1. 語音轉文字API的一般資訊，包括月配額、功能以及定價。
2. 如何獲取API金鑰。
3. 使用Python基於Assembly AI的API建立語音轉文字應用程式。

語音轉文字API一般資訊 📚

我們首先來介紹語音轉文字API的一般資訊，包括月配額、功能以及定價。在Assembly AI的網站上，我們可以找到所有這些資訊。如果您已經有帳號，您可以前往頁面右上角的"Account"並獲取您的API金鑰。這些都是你將在建立應用程式時需要使用的信息。

語音轉文字API是分為兩個不同的產品：核心轉錄API和音訊智能API。在這個教學中，我們將主要介紹核心轉錄API。

在核心轉錄API中，每秒的價錢是0.00025美元，並且您每個月可以免費使用三小時。一旦您超過了這三小時的免費使用，您需要為您的帳戶加款，以繼續使用API。

另一個重要的功能是能夠將音訊轉錄為SRT或VTT字幕檔案，這對於創作者來說非常有用。您還可以自定義詞彙、設置多通道轉錄以及過濾工作等等。

取得API金鑰 🔑

當你登錄您的帳戶時，右邊是你的API金鑰。您還可以在"Account"中獲取或刷新您的API金鑰。

使用Python建立語音轉文字應用程式 💻

好的，現在我們正式進入教學的內容了。首先，我們需要將API金鑰放到我們的Python應用程式中。讓我們在app.py文件中創建一個名為api_key的變數。

首先，我們需要導入必要的庫，包括requests、time、json和pandas(這是第三方庫，您可以使用pip install指令進行安裝)。

然後，我們將建立一個名為AssemblyAI的類別。我們將設置基本的URL路徑和構造函數，在構造函數中，用戶需要提供一個API金鑰，因為您可以擁有多個帳戶，每個帳戶使用不同的API金鑰。

隨後，我們將創建一個名為upload_audio_by_url的方法，這個方法接受一個必需的參數，名為url_link，這是用於訪問媒體檔案的連結。以及其他一些可選的參數，例如是否移除填充字，以及格式化文本。

接下來，我們將創建一個名為retrieve_transcript的方法，這個方法需要一個必需參數，名為transcript_id，用於檢索結果。我們將使用GET請求，並且返回結果的JSON表示。